神剑山庄资源网

PyTorch中 tensor.detach() 和 tensor.data 的区别详解
脚本专栏 2024/9/30 佚名
2 0
神剑山庄资源网 Design By www.hcban.com

PyTorch0.4中，.data 仍保留，但建议使用 .detach(), 区别在于 .data 返回和 x 的相同数据 tensor, 但不会加入到x的计算历史里，且require s_grad = False, 这样有些时候是不安全的, 因为 x.data 不能被 autograd 追踪求微分 。

.detach() 返回相同数据的 tensor ,且 requires_grad=False ,但能通过 in-place 操作报告给 autograd 在进行反向传播的时候.

举例：

tensor.data

> a = torch.tensor([1,2,3.], requires_grad =True)
> out = a.sigmoid()
> c = out.data
> c.zero_()
tensor([ 0., 0., 0.])

> out     # out的数值被c.zero_()修改
tensor([ 0., 0., 0.])

> out.sum().backward() # 反向传播
> a.grad    # 这个结果很严重的错误，因为out已经改变了
tensor([ 0., 0., 0.])

tensor.detach()

> a = torch.tensor([1,2,3.], requires_grad =True)
> out = a.sigmoid()
> c = out.detach()
> c.zero_()
tensor([ 0., 0., 0.])

> out     # out的值被c.zero_()修改 !!
tensor([ 0., 0., 0.])

> out.sum().backward() # 需要原来out得值，但是已经被c.zero_()覆盖了，结果报错
RuntimeError: one of the variables needed for gradient
computation has been modified by an

以上这篇PyTorch中 tensor.detach() 和 tensor.data 的区别详解就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。

标签：
PyTorch,tensor.detach,tensor.data
神剑山庄资源网 Design By www.hcban.com
神剑山庄资源网 免责声明：本站文章均来自网站采集或用户投稿，网站不提供任何软件下载或自行开发的软件！ 如有用户或公司发现本站内容信息存在侵权行为，请邮件告知！ 858582#qq.com
神剑山庄资源网 Design By www.hcban.com

评论“PyTorch中 tensor.detach() 和 tensor.data 的区别详解”

暂无PyTorch中 tensor.detach() 和 tensor.data 的区别详解的评论...
www.hcban.com 神剑山庄资源网
139,976影音资源
144,792福利资源
21,817软件资源
631,128技术资源

更新日志

友情链接

杰晶网络 DDR爱好者之家 桃源资源网 杰网资源 富贵资源网 南强小屋 铁雪资源网 幽灵资源网 万梅资源网 狼山资源网 白云岛资源网 昆仑资源网 相思资源网 明霞山资源网 内蒙古资源网 黑松山资源网 茶园资源网 饿虎岗资源网 大旗谷资源网 常春岛资源网 岱庙资源网 兴国资源网 快活林资源网 蝙蝠岛资源网 帝王谷资源网 白云城资源网 伏龙阁资源网 清风细雨楼 天枫庄资源网 圆月山庄资源网 无争山庄资源网 神水资源网 移花宫资源网 神剑山庄资源网 无为清净楼资源网 金钱帮资源网 丐帮资源网 华山资源网 极乐门资源网 小李飞刀资源网 凤求凰客栈 风云阁资源网 金狮镖局 鸳鸯亭资源网 千金楼资源网 更多链接
神剑山庄资源网 Design By www.hcban.com